HBM 作为 AI 算力中最被市场相信的存储主线。需求、价格、良率和产能被反复讨论之后，市场的争议在于存储终将归于普通库存周期，还是客户降规格但需求延后，3–5年的LTA锁量加上30%预付款打破传统周期估值框架。多头的信仰基于静态产能缺口，但未被提及的那一层算的是超额利润如何反过来诱发资本开支、制程迁移和新进入者——也就是供给的二阶反馈。
先说结论：合同化可能真的改变周期底部；但正因为顶部利润太高，它也可能正在制造下一轮供给。 市场已经充分相信 AI 存储需求、HBM4 放量和长期协议，现阶段股价交易的是高利润还能维持多久。真正的超预期更可能来自两种情况：一是产品收入继续上修，同时剔除客户预付款、合资出资和新增产能投资后的自由现金流依然强劲，说明利润底盘正在结构性抬升；二是新增产能形成合格供给的速度慢于真实需求兑现，供给约束比市场预期更持久。相反，如果出货和公司利润仍增长，但调整后现金转换率先下滑，或新产能更快完成认证并进入可售产出，当前高利润就更接近周期峰值。换成传统卖方模型语言，估值敏感项应从收入增速和毛利率单点，转向“归属清晰的产品收入 × 调整后现金转化 × 竞争优势期”。三者同向，盈利上修才有质量；若只有收入和毛利上修，现金端开始落后，则更容易出现盈利预期见顶、估值先压缩。所以更合适的动作是等下一至两次财报验证现金捕获差，更高频的观测项是供给的二阶反馈实际兑现节奏。
我们刚为 LunarTulip Research Desk 完成第一版 Memory 数据主题。沿着这组数据逐项排除后，我认为当前最值得验证、也最可能产生 research alpha 的方向已经浮现：HBM 收入与利润叙事，和真实现金捕获之间的变化差。
在本版形成的五组 feature proposal 中，其余四组首先充当归因、期限和供给状态的约束；“收入—现金捕获差”是唯一被提升为最高优先级、进入连续前瞻验证的 alpha 假设。
核心判断：下一段 Alpha 不在需求，在现金捕获差
市场讨论了几个季度关于 AI 系统需要更多内存带宽， HBM4 正在规模出货的逻辑。Micron 披露 HBM4 12-high 的量产爬坡速度约为 HBM3E 12-high 的两倍，累计出货收入超过 10 亿美元；SK hynix 已开始 HBM4 批量出货；Samsung 也披露 HBM4 销售扩大，并向主要客户送出 HBM4E 样品。
这些事实确认了产业方向，却很难单独形成进一步的预期差。目前尚未被充分回答的是：
每增加一单位 HBM 收入，扣除客户资金、合资投入和新增有效产能所需资本后，上市公司最终能留下多少可重复现金？
我们把这条尚待验证的关系称为“收入—现金捕获差”。它有两个方向。
如果产品收入继续增长，独立利润逐步可核验，剔除客户资金与扩产投入后的现金转换仍然稳定，而有效供给到来的速度依旧受认证和良率约束，那么市场可能低估了高利润持续期。
如果 HBM 出货和公司利润仍在上升，调整后现金捕获却开始走弱，客户预付款、资本开支或合资投入承担了越来越多的表面繁荣，同时合格供给加速到来，那么市场可能高估了这一轮周期底部。
这比继续争论需求增速更接近可交易的分歧，价格最终定价是增长能否以足够高的资本回报率持续兑现。
为什么其他方向作为因子暂时无法支持更多核心 Alpha？
第一，出货与良率已经进入共识区。 HBM4 从送样、认证走向规模交付仍值得跟踪，但一个已经被主要供应商反复确认的商业化事实，更适合作为研究起点，而不是独立买入理由。
第二，公司利润无法直接排成 HBM 受益榜。 Micron 的 CMBU 同时覆盖云内存和数据中心 HBM；Samsung 的 DS 分部还包含内存、代工和 System LSI；SK hynix 的集团利润也包含其他存储产品。产品、分部与公司利润之间缺少桥接时，排名越精确，误导性可能越大。
第三，合同金额不等于收入，更不等于现金利润。 RPO、最低采购承诺、价格上下限、客户存款和收入确认属于不同对象。把它们相加，会把合同可见度写成已经兑现的利润。
第四，扩产公告离有效供给仍有多道门。 厂房投资还要经过设备投入、投产、客户认证、良率爬坡和实际产出。公告金额可以改变远期供给情景，却不能在公告当天直接增加可售 bit。
第五，低峰值估值本身没有方向。 若无法同时回答利润率、现金转换和竞争优势期，低市盈率既可能代表低估，也可能只是市场拒绝给周期峰值更长久期。
排除这些暂时无法独立承担预测力的变量后，“收入—现金捕获差”成为现有数据中最接近证券回报的一条因果路径。
一个对照样本：同一家公司可以同时有 56.77% 和 43.18%
Sandisk 不生产 HBM，但它提供了一个很好的 Memory 周期对照样本：同一份财报，因为现金流口径不同，可以导向完全不同的盈利持续期判断。
公司 FY2026 的经营现金流为 116.71 亿美元，购置固定资产为 1.77 亿美元，得到公司列示的自由现金流 114.94 亿美元。直接除以同期收入 202.48 亿美元，现金流率约为 56.77%。
但公司同时披露了 2.75 亿美元合资企业净出资，以及 24.76 亿美元新商业模式相关现金影响。扣除这两项后，调整后自由现金流为 87.43 亿美元，占同期收入约 43.18%。
56.77% 与 43.18% 都能复算，却回答不同问题。前者描述报表期内总体自由现金流，后者更接近剔除特定客户资金和合资投入后的经营兑现。若把前者直接当成长周期的稳态转现率，反向估值会高估现金捕获；若把后者机械当成永续利润率，同样是在用单个周期替代长期判断。
这个案例对 HBM 的启示很直接：公司或分部利润创新高，并不自动等于 HBM 单品创造了同等比例的可重复现金。真正有价值的信号，是两种口径在连续财报中的变化方向，以及差距扩大或收窄的原因。
图 1：Sandisk 是 NAND 周期对照样本，并非 HBM 生产商。这个现金桥展示的是研究方法，不是 HBM 产品利润的替代估计。
Memory 数据如何把这条假设变成可验证信号？
Research Desk 没有直接生成一个“HBM Alpha 分数”。它按真实因果顺序，把现金捕获拆成四层。
第一层：有效供给。 投资计划、设备、投产、认证和可售产出依次推进。Kioxia 与 Sandisk 8 月 27 日宣布至 2032 年在日本投资超过 310 亿美元，这是同一项附带条件的联合计划；在公司分配与实际 bit capacity 尚未披露前，它只能进入远期供给时钟。
第二层：产品商业化。 样品、客户认证、批量出货和已确认产品收入分开记录。Micron 超过 10 亿美元的 HBM4 收入可以推进商业化状态，但 HBM4 独立利润仍保持缺失。
第三层：财务归属。 产品、应用、分部与公司各自保留边界。Samsung 的 HBM4 销售、DS 分部利润和 HBM base-die 对代工盈利的帮助不能重复记为三份 HBM 获利。
第四层：现金桥。 经营现金流、资本开支、客户资金、合资投入与营运资本变化分别保留。模型比较的是“剔除不可重复来源后还剩下什么”，而不是从财报中挑一个最好看的现金数字。
图 2：计划不等于产出，出货不等于归属收入，利润也不等于可重复现金。四层数据同时跨过，才进入证券定价判断。
四层数据使用同一套公司、期间和可知时点。旧财报今天被整理进数据库，不会被伪装成今天的新事件；公司没有披露产品利润时，“未知”也不会被编码成负面。
在机器端，这条研究假设可以被拆成连续观测：供给计划有没有真正跨过下一道门、产品捕获状态有没有升级、归属收入有没有扩大、调整后现金转换有没有改善。等到足够多的真实时间截面形成后，再检验这些变化与盈利修正和超额收益之间的关系。
这条 Alpha 假设为什么值得优先做为适合Fundamental Quant跟踪的因子？
它符合三个条件。
第一，市场关注度高，但数据摩擦仍然大。 HBM 的需求信息高度拥挤，产品利润与现金归属却分散在财报、电话会、合同和合资披露中。普通财务数据库擅长标准化公司报表，不擅长解释一个热门产品究竟捕获了多少公司现金。
第二，它能产生重复观测。 每一轮财报都会更新收入、现金流、合同履约、资本开支和产品状态。相比一次性的产业故事，这条路径可以积累成真正的 point-in-time 序列。
第三，它同时允许正向和反向结果。 数据不会预设 HBM 多头一定正确。如果现金捕获比市场想象得更持久，它支持更高周期底部；如果现金率先转弱，它也能在需求叙事仍然强劲时暴露风险。
所以，不同于“AI 存储长期增长”这种叙事版本，一条可以提前写下成功条件和失败条件的收益假设更适合写入因子框架。
接下来一至两次财报，我们只盯五件事
- Micron、SK hynix 与 Samsung 是否给出更可核对的 HBM 产品收入、成本或利润桥；
- 产品收入增长时，剔除客户资金和新增投入后的现金转换是否同步；
- RPO 与长期协议是否按同一合同群兑现，还是出现延期、修订或现金质量下降；
- Kioxia 与 Sandisk 的利润改善是否伴随应收、合资现金和资本投入的健康变化；
- 新厂与扩产计划是否从公告跨入设备、投产、认证和有效产出。
如果收入上升而调整后现金捕获连续走弱，我们会下调结构性重估假设；如果有效供给的斜率快于真实部署与合同兑现，我们会缩短竞争优势期。反过来，若产品利润逐步可核验、合同稳定兑现、现金转换经得住调整，而新增供给仍被技术与资本强度约束，那么“高利润持续期”才获得新的证据。
Research Desk 为什么同时需要 Research Note 和 API？
人类投资者需要读到结论：当前最高优先级的 HBM alpha 假设，是收入增长能否转成可重复现金。
机器则需要知道每条证据在何时可知、属于哪个产品和公司、使用什么财务口径、跨过了哪个状态，以及什么条件会证伪。
Research Note与API同是Research Desk的研究产出，前者作为投资经理可读的报告，后者作为机器和系统可读的因子数据。先把各类研究所需的原始另类数据压缩成判断，再将同一个判断拆回可复算的 claim、metric、event、entity、state 和 timestamp 候选研究特征，代入方向、权重和市场反应时滞去系统做回测验证前瞻性。
写在最后
存储周期正在面对当前周期位置下核心的定价矛盾，财务报表层面的繁荣与真实自由现金流的偏离。
我们的当前判断是：在 HBM 共识最强、盈利也最容易被线性外推的时候，收入—现金捕获差最可能先暴露预期错误。它未必天然指向多头或预设反转；它的价值在于比利润标题更早告诉我们，这轮高盈利究竟正在变成更高的长期底盘，还是正在被客户资金和新一轮资本开支透支。
这将是 Research Desk Memory theme 首先进入前瞻验证的 alpha 方向。接下来，数据负责记录状态变化，Research Note 负责解释判断如何更新，最终由真实时间序列决定这条假设能不能留下来。
资料截至 2026 年 9 月 10 日。本文展示 LunarTulip Research Desk Memory theme 的研究方法预览。数据特征仍在前瞻验证，API 的外部发布还需完成独立内容审阅与数据权利门禁。本文不构成任何证券推荐或投资建议。